[Talk-ca] using image recognition to create building foot prints.

[Pierre Béland]

Précision,   Les missions aériennes permettent de produire des images de grande qualité.  On y associe des équipements LIDAR qui émettent un signal vers le sol pour mesurer la distance. Aussi bien la technique LIDAR que de petits drones sont aujourd'hui capables de produire des modèles d'élévation avec quelques centimètres de précision.  Cela permet aussi de produire des modèles 3D des immeubles et de distinguer avec la végétation.
Suite aux inondations du Richelieu et du Lac Champlain en 2011, des modèles d'élévation très des zones urbaines en bordure de la rivière Richelieu ont été produites. Si on se rappelle les discussions il y a quelques mois, un tel travail d'import va nécessiter des ressources importantes. Les diverses communautés OSM locales devront évaluer leur capacité à réaliser des projets d'import d'immeubles. Et il faut éviter de se baser sur le modèle «Cartoparties» pour réaliser de tels projets. Des milliers de personnes qui sont sensibiliées quelques heures à la cartographie ne reviennent pas ensuite et laisse souvent une donnée de piètre qualité.
Il faut être réaliste et construire peu à peu, motiver des communautés locales à expérimenter un modèle d'import de la donnée. Cela fera ensuite boule de neige ( c'est de saison :)  )

Pierre 
 

    Le lundi 29 janvier 2018 16:07:31 HNE, Pierre Béland <pierzenh at yahoo.fr> a écrit :  
 
 Bonjour John
Les spécialistes d'imagerie produisent des couches de données assez précises à partir d'imagerie LIDAR ou de drones, incluant, immeubles, cours d'eau et occupation du sol. Ces images offrent qualité et précision. Des techniques de classification, interprétation, correction permettent aux spécialistes de converger vers un produit de qualité.  Et bien sûr toutes ces avancées technologiques et l'accès éventuel à des profanes bousculent les habitudes tout comme les véhicules sans conducteur :)
Même si Statistique Canada fournit à OSM un fichier produit par des spécialistes, il sera nécessaire ensuite d'établir une procédure d'import, de fusionner / aligner avec les données existantes et de corriger. 
Et ouvront la porte au Futur! Une autre avenue, c'est l'accès aux profanes que nous sommes à des outils semi-automatiques pour faciliter la digitalisation de différents éléments tels immeubles, routes et rivières. Je ne connais pas l'historique des expériences d'utilisation de tels outils. Mais on peut remonter en 2011, où on parlait d'un outil de détection de route. Divers articles traitent aussi de ce sujet.
https://alastaira.wordpress.com/2011/02/04/automatic-road-detection-using-bing-maps-imagery/https://gis.stackexchange.com/questions/77876/is-there-a-tool-that-performs-automatic-recognition-of-buildings


Facebook a aussi expérimenté des outils de reconnaissance d'image en Thaîlande récemment. Selon les plaintes de certains contributeurs, les données ont été ajoutées à OSM sans valider suffisamment avec la réalité sur le terrain.
Je pense qu'il serait intéressant pour les contributeurs expérimentés d'avoir accès à des outils semi-automatisés facilitant dans JOSM par exemple le tracé d'immeubles, routes, cours d'eau, etc. Pour un cours d'eau par exemple, je déplace le curseur de la souris, et les contours et le centre de la rivière sont tracés automatiquement. Ou encore le contour d'un lac est tracé.
 
Pierre 
 

    Le lundi 29 janvier 2018 15:15:59 HNE, john whelan <jwhelan0112 at gmail.com> a écrit :  
 
 ·        NRCan is working on a methodology to extract building  footprints, including topographic elevation and height attributes, from LiDAR


Traditionally OSM has not been happy with this sort of thing.  The accuracy can be poor.

We probably need to think about this since the BC2020i project had this mentioned and Stats Can has given it a mention also.  I'm not promoting it nor saying its bad but it will almost certainly be raised shortly.

First if an import was done using this data who would be the local group to approve it?  I suspect because it covers the entire country it would be the talk-ca group.  The date would come through the TB portal so licensing is not an issue.  Or it could be split into regions with regional local groups making decisions.

The other very big question is to do with data quality.  So far nothing that is machine learnt from imagery has consistently met the expectations of OpenStreetMap.

Note to Pierre I'm not sure if you are on the talk-ca mailing list but any feedback you might have on the data quality side would be welcome and will be shared amongst the group.

Thoughts?

Thanks John
_______________________________________________
Talk-ca mailing list
Talk-ca at openstreetmap.org
https://lists.openstreetmap.org/listinfo/talk-ca
    
-------------- next part --------------
An HTML attachment was scrubbed...
URL: <http://lists.openstreetmap.org/pipermail/talk-ca/attachments/20180129/29dd5641/attachment-0001.html>